跳到主要内容
Ctrl+K

cuml 25.04.00 文档

  • 介绍
  • API 参考
  • 用户指南
  • cuml.accel: 零代码更改加速 Scikit-Learn、UMAP 和 HDBSCAN
  • 博客及其他参考资料
  • GitHub
  • Twitter
主页
cuml
cucimcudf-javacudfcugraphcumlcuprojcuspatialcuvscuxfilterdask-cudadask-cudfkvikiolibcudflibcumllibcuprojlibcuspatiallibkvikiolibrmmlibucxxraftrapids-cmakerapidsmpfrmm
stable (25.04)
nightly (25.06)stable (25.04)legacy (25.02)
  • 介绍
  • API 参考
  • 用户指南
  • cuml.accel: 零代码更改加速 Scikit-Learn、UMAP 和 HDBSCAN
  • 博客及其他参考资料
  • GitHub
  • Twitter

章节导航

  • 训练和评估机器学习模型
  • 序列化模型以持久化
  • 在 GPU 和 CPU 上使用 cuML
  • 用户指南

用户指南#

  • 训练和评估机器学习模型
    • 共享库导入
    • 随机森林分类和准确率指标
    • UMAP 和可靠性指标
    • DBSCAN 和调整随机指数
    • 线性回归和 R^2 得分
  • 序列化模型以持久化
    • 单个 GPU 模型序列化
    • 分布式模型序列化
    • 导出 cuML 随机森林模型以便在没有 GPU 的机器上进行推理
  • 在 GPU 和 CPU 上使用 cuML
    • 安装
    • 跨设备训练和推理序列化
    • 结论

上一页

API 参考

下一页

训练和评估机器学习模型

本页

  • 查看源文件

© Copyright 2020-2023, NVIDIA Corporation.

使用 Sphinx 8.1.3 创建。

使用 PyData Sphinx Theme 0.16.1 构建。